这个 Skill 能做什么，适合哪些场景？
这是一个轻量的参考型技能，位于 skill-optimizer 仓库的 workbench 示例中（examples/workbench/pdf/references/pdf-skill/SKILL.md）。它本身不包含代码脚本，而是指导 Agent 使用 /work/.venv 中预装的 pypdf、pdfplumber 和 reportlab 三个 Python 库完成 PDF 的读取、文本提取、页面拆分、过滤和新建。技能强调一个关键工作流原则：先实际查看提取出的文本，再编写解析正则，不要根据任务提示猜测字段格式。它同时也是 skill-optimizer 评测工作台的被测示例，仓库用它演示正例（提取、拆分、创建）和负例（非 PDF 任务不应读取该技能文件）的评测方式。
技能以纯指令形式运行：引导 Agent 调用 pypdf 读取页面、拆分/写入 PDF 页面；用 pdfplumber 提取文本；用 reportlab 创建新 PDF。SKILL.md 提供四段可复用的示例代码：用 PdfReader 逐页提取并拼接文本；按行前缀（如 "Account:"、"Total Revenue:"）解析非结构化文本并输出结构化 answer.（含金额清洗和风险标记列表）；按页码过滤页面写入新文件；按页面文本内容（如包含 "CUSTOMER COPY" 且不含 "INTERNAL NOTES"）筛选页面并导出。
- 需要从对账单、报表类 PDF 中提取账号、季度、营收等字段并输出 JSON 的数据处理人员
- 需要从多页客户文件包中筛出 "客户副本" 页、剔除内部备注页的运营或客服人员
- 需要按页码拆分大 PDF 或抽取指定页形成新文件的日常办公场景
- 需要用代码从头生成新 PDF 报告的开发者
- 想为 PDF 类任务编写确定性评测用例的 Agent 开发者，可参考该示例的 suite 与 grader 组织方式
如何安装这个 Skill？
- 静态审查，未执行任何代码；评分置信度低。
- 该技能假定/work/.venv中已安装pypdf、pdfplumber、reportlab，脱离该工作台环境时不可直接运行。
- 示例未覆盖加密PDF、扫描件OCR、损坏文件等异常输入。
- 这是eval示例技能，非生产级PDF工具；缺少版本与维护承诺。
- 技能内容为英文，无中文场景说明。
- Shell / 命令行
- 本地文件系统
Python venv at /work/.venvpypdfpdfplumberreportlab
该技能是 skill-optimizer 仓库（fastxyz/skill-optimizer，MIT 许可）内的一个示例文件，位于 examples/workbench/pdf/references/pdf-skill/SKILL.md。仓库整体支持多种安装方式，例如 Claude Code：/plugin marketplace add fastxyz/skill-optimizer 后 /plugin install skill-optimizer@skill-optimizer；或通用技能 CLI：npx skills add fastxyz/skill-optimizer -a claude-code -y。若只想单独使用这个 PDF 技能文件，可将该 SKILL.md 复制到你客户端的技能目录；文档未说明针对此单个文件的专属安装命令。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/fastxyz/skill-optimizer.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/examples/workbench/pdf/references/pdf-skill" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 从 statement.pdf 提取账号和总营收，输出 answer.
- 把 customer-packet.pdf 拆成只含客户副本的文件
把 SKILL.md 放入 Agent 的技能目录后，直接下达 PDF 任务即可，例如："从 statement.pdf 提取账号和总营收，输出 answer." 或 "把 customer-packet.pdf 拆成只含客户副本的文件"。技能依赖 /work/.venv 中已安装的 pypdf、pdfplumber、reportlab；在其他环境中使用需先 pip 安装这三个库。核心工作流：先打印提取文本确认实际格式，再编写字段解析逻辑。
这个 Skill 有哪些优点和局限？
- 零脚本依赖，纯指令技能，几乎可移植到任何支持文件系统和 Python 的 Agent 客户端
- 示例代码完整可直接复用，覆盖提取、解析、拆分、过滤四类高频操作
- 强调 "先查看文本再写解析" 的工作纪律，能显著减少基于猜测的正则失败
- 附带 skill-optimizer 评测用例，可验证任务是否可靠完成
- 它是评测示例技能，覆盖面刻意较窄，不处理 OCR、加密 PDF、表格还原等复杂场景
- 依赖特定的 /work/.venv 路径，直接复制到本地环境需要自行安装三个 Python 库
- 无版本号、无独立维护说明，作为示例文件可能随仓库演进被改动
- SKILL.md 未说明错误处理或失败回退策略
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| PDF 处理技能 本页 | 54 · 谨慎使用 | ★ 81 | 5 个月前 | MIT |
| Golden PDF 测试文档技能 | 25 · 不推荐 | ★ 15k | 25 天前 | MIT |
| Azure AI 文本分析 Python 技能 ✓ Microsoft · 官方 | 56 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| 临床语音识别飞轮：环境初始化 ✓ NVIDIA · 官方 | 54 · 谨慎使用 | ★ 3.6k | 11 天前 | Apache-2.0 |
| Azure AI 转录 Python 技能 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
该技能仅为本地PDF处理指导（pypdf/pdfplumber/reportlab），无网络请求、无凭据处理、无破坏性操作，最小权限良好；但缺乏数据流披露、回滚说明与发布者归属（发布者未验证），扣至18。
示例代码自洽且可读，错误反馈指导（先检查提取文本再写解析）明确；但静态审查只能确认happy path：未处理加密PDF、extract_text为None已在部分示例中处理但不完整，无针对该技能路径的已验证测试，静态上限10。
触发场景清晰（读取/创建/拆分/合并PDF），description与内容匹配；但未声明非适用边界，硬编码依赖/work/.venv环境与预装包，无中文支持说明，扣至9。
仓库级MIT许可、版本与CI存在；但该技能本身无版本、无变更记录、无FAQ/已知限制、无维护者归属，文档层次单薄，扣至7。
提供直接可用的代码片段，边际价值在于规范化的提取-检查流程；但无结果验证、示例输出不可独立复现，静态上限7，扣至6。
代码片段为可审计的原始材料，且无夸大声明；但CI测试不覆盖此技能的关键路径，无可执行的第三方证据，静态上限5，扣至4。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →